การวิเคราะห์การเสริมเส้นทางอนุกรมเวลา — กิจกรรมเส้นทางแบบไดนามิกเมื่อเวลาผ่านไป
การวิเคราะห์การเสริมเส้นทางอนุกรมเวลาจะระบุเส้นทางชีวภาพที่กิจกรรมยีนที่ประสานกันเปลี่ยนแปลงอย่างมีนัยสำคัญตลอดจุดเวลาที่เรียงลำดับ แทนที่จะพิจารณาแต่ละจุดเวลาอย่างอิสระ วิธีการนี้จะสร้างแบบจำลองวิถีทางเวลาของการแสดงออกของยีนภายในแต่ละเส้นทาง และทดสอบว่าโปรแกรมชีวภาพทั้งหมด — ไม่ใช่แค่ยีนเดี่ยว — ถูกกระตุ้นหรือยับยั้งในลักษณะที่ขึ้นกับเวลาหรือไม่ วิธีนี้มีการใช้อย่างแพร่หลายในการศึกษาชีววิทยาพัฒนาการ การศึกษาการตอบสนองต่อยา และการศึกษาอนุกรมเวลาของการติดเชื้อ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- Ernst, J., Nau, G. J., & Bar-Joseph, Z. (2005). Clustering short time series gene expression data. Bioinformatics, 21(Suppl 1), i159–i168. link ↗
- Cheng, J., Tegge, A. N., & Bhatt, D. L. (2014). A method for identifying and interpreting time-series pathway activity changes from gene expression data. Bioinformatics, 30(21), 3147–3154. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Time-Series Pathway Enrichment Analysis. ScholarGate. https://scholargate.app/th/bioinformatics/time-series-pathway-enrichment-analysis
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- Gene Set Enrichment Analysis (GSEA)ชีวสารสนเทศศาสตร์↔ เปรียบเทียบ
- การวิเคราะห์การเสริมเส้นทางชีวภาพแบบหลายโอมิกส์ชีวสารสนเทศศาสตร์↔ เปรียบเทียบ
- การวิเคราะห์ความอุดมสมบูรณ์ของวิถีชีวภาพชีวสารสนเทศศาสตร์↔ เปรียบเทียบ
- การแสดงออกแตกต่างกันของ RNA-seqชีวสารสนเทศศาสตร์↔ เปรียบเทียบ
- การแสดงออกที่แตกต่างกันของ RNA-seq แบบอนุกรมเวลาชีวสารสนเทศศาสตร์↔ เปรียบเทียบ